Ovozli interfeyslar va assistentlar

1) VUI nima va qachon kerak

Ovozli interfeys (VUI) - nutq orqali muloqot qilish usuli: ilova/brauzerdagi yordamchilar, aqlli ustunlar, IVR/telefoniya, avto va TV dagi ovoz.
Qo’llar band bo’lgan ssenariylar (haydash, oshxona), tezkor buyruqlar («yoqish»..., «qo’ng’iroq qilish»...), foydalanish imkoniyati, murakkab menyu bo’yicha navigatsiya uchun mos keladi.
Aniq vizual tanlash (kataloglar, jadvallar), ekransiz uzoq vaqt davomida tarkibiy maʼlumotlarni kiritish uchun mos kelmaydi.

2) Muloqot modeli: intentlar, mohiyat va kontekst

Intent (maqsad): foydalanuvchi nimani xohlaydi: «_ toʻlov», «_ balansni tekshirish».
Slotlar/mohiyatlar: maqsad parametrlari: summa, valyuta, manzil, sana.
Kontekst/dialog-state: qayerda turganimizni aniqlayotganimiz allaqachon ma’lum.
Tasdiqlash qoidalari: buni aniq tasdiqlaymiz (pul, shaxsiy ma’lumotlar).

json
{
"intent": "MakeDeposit",
"slots": {
"amount": {"type": "number", "required": true, "confirm": "sensitive"},
"currency": {"type": "currency", "required": true, "default": "UAH"},
"method": {"type": "payment_method", "required": false}
}
}

3) Muloqot patternlari

1. Buyruq bitta ibora bilan: «Apple Pay’ning 500 grivnasi hisobini to’ldiring». → tasdiqlash → harakat.
2. «Kimga tarjima qilish kerak?» → «Qancha summaga?» → tasdiqlash.
3. Qadam ustasi: maʼlumotlarni tekshirish va orqaga qadam tashlash bilan murakkab stsenariylar.
4. Niyatni tanib olish + NLU-so’zlar: variativ formulalarni qo’llab-quvvatlash.
5. Tezkor ma’lumotnoma: «Qanday cheklovlar?» - qisqa javob + «Ekranda koʻrsatish».

4) Formulalar: ovoz va ohang

Brend ovozi: ishonchli, xotirjam, do’stona; tanqidiy qadamlarda (to’lovlar, xavfsizlik) kamaytiruvchi va «hazilsiz».

Maks. assistent replikasining uzunligi: 1-2 jumla; uzoq javoblar - bo’ling va «Davom etasizmi?»

Savollar aniq: «Qancha miqdorga toʻldirish kerak?» «Bundan keyin nima qilamiz?»

5) Tasdiqlash, xavfsizlik va axloq

Sezgir harakatlarning qat’iy tasdig’i: asosiy parametrlarni talqin qilish ("... 4581 kartasi bilan 500 grivnaga to’ldirish? »)

Qaytarib bo’lmaydigan operatsiyalar uchun ikki tomonlama tasdiqlash.
To’liq shaxsiy ma’lumotlarni aytmasdan.
Bekor qilish/qaytarish imkoniyati: «Bekor qilish», «To’xtatish», «Oxirgi qadamni bekor qilish».

6) Xatolar va tushunmovchiliklar

• ASR xatosi (eshitmadim): "Miqdorni eshitmadim. Iltimos, takrorlang"
• NLU: "Men so’rovni tushunmadim. Hisobni toʻldirish yoki balansni koʻrsatish mumkin. Nimani tanlaysiz?"
• Maʼlumot/cheklov yoʻq: "Ushbu usul hududingizda mavjud emas. Boshqa variantlarni nomlashni istaysizmi?"
• Tarmoq/servis: "Hozirda toʻlov xizmati bilan aloqa yoʻq. Bir daqiqadan keyin takrorlashni istaysizmi?"

Qoida: maksimal 2 ta so’rash urinishlari → muqobil taklif qilish (ekranga/odamga).

7) Tezlik va barj-in (uzish)

TTFB latentligi: maqsadli <300-500 ms; agar uzoq bo’lsa - qisqa «em-mm» - signal/earcon.
Barge-in: foydalanuvchi yordamchini istalgan vaqtda oʻldirishi mumkin; to’xtatishni to’g’ri bajaramiz.
Javob oqimi: Biz butun matn tayyor bo’lishidan oldin gapira boshlaymiz, lekin hech qanday ma’nosiz.

8) TTS/ASR va SSML: qanday qilib «insoniy» deyish mumkin

Sonlar/valyutalar/sanalar talaffuzi: lokal formatlar («besh yuz grivna», «15 barg tushishi»).
Pauzalar va urgʻular: SSML’<break time = «300ms »/>’,’<emphasis level =« moderate »>’.
Qisqartmalar/kodlarni oʻqish:’<say-as interpret-as = «characters»> IBAN </say-as>’.
Tezlik va tembr: 0 dan tez emas. 9 × tushunarli boʻlishi uchun bazaviy.

xml
<speak>
Top up on <say-as interpret-as = "cardinal"> 500 </say-as>
<sub alias = "hryvnia"> UAH </sub>?
<break time="300ms"/>
Please confirm.
</speak>

9) Multimodallik: ovoz + ekran

Vizual maslahatlar: tasdiqlash kartochkasi, usullar ro’yxati, taraqqiyot.

Hand-off: "Men variantlarni ekranga yubordim. Usulni tanlang"

Holat sinxronizatsiyasi: ovoz boshlaydi, ekran tugaydi (va aksincha).

10) Ko’p tillilik va mahalliylashtirish

Bitta ibora emas, balki sessiya/sozlash boʻyicha tilni avtomatik aniqlash.
Terminlar lug’ati: RU/UA/TR/EN uchun yagona terminologiya.
Sonlar/valyutalar/sanalarning mintaqaviy formatlari, nomlar/toponimlarning talaffuzi.
«Ukraina tiliga o’tish» dialogiga o’tish - aniq buyruq.

11) Ovozning ochiqligi (A11y)

Harakatlarni tasdiqlash - aniq va qisqa.
So’rov bo’yicha takrorlash: «Takrorlash» so’nggi nusxani aytadi.
Balandlik/tezlik: «Sekin/jim/baland gapiring».
Eshitish qobiliyati past bo’lganlar uchun: subtitrlar/ekrandagi transkript, vibro-signallar.
Nutqning buzilishi uchun: kiritishning muqobil usullari (tugma, presetalar).

12) Maxfiylik, loging va komplayens

Wake-word va yozuv indikatori: «tinglayapman».
Agar mumkin bo’lsa, lokal ishlov berish; aks holda - ma’lumotlarni minimallashtirish.
Loglarda sezgir parchalarni yashirish (PAN, IBAN, manzil) va audio avto-tahrirlash.
Saqlash muddatlari va so’rov bo’yicha olib tashlash huquqi; Tarixni saqlamang.
Yoshga oid cheklovlar/ota-onalar nazorati (bolalar ovozi/jamoalari).

Shaffoflik: "Men bu buyruqni tanib olishni yaxshilash uchun yozyapman. Moslamalarda oʻchirish mumkin"

13) Yordamchining shaxsi

Ismi/shaxsi: qisqacha tarjimai holi, bilish sohasi, u biladi/bilmaydi.
Vaziyatlar bo’yicha ohang: oddiy (do’stona), tanqidiy (neytral), o’qituvchi (qo’llab-quvvatlovchi).

Chegaralar: «Men moliyaviy maslahat bermayman, lekin ma’lumotnoma ko’rsata olaman.»

14) Sifat metrikasi VUI

Intent recognition rate (NLU aniqligi).
Slot fill rate и avg. turns to fill.
ASR WER/CER (soʻz/belgini tanib olish xatosi).
Task Success / Completion rate и Time-to-Complete.
Escalation rate (operator/ekranda).
Barge-in usage и Latency p95.
User Satisfaction/CSAT stsenariydan keyin.
Abandonment bosqichda.

15) Ovozni test sinovi va QA

Test iboralari to’plami: sinonimlar, so’zlashuv shakllari, aksentlar, xatolar.
Atrof-muhit shovqinlari: ko’cha/avto/oshxona, turli mikrofonlar.
Replay dialogi: takrorlanadigan skriptlar, regressiya uchun golden set.
Wizard-of-Oz dastlabki bosqichlarda.
Yuridik stsenariylar: yordamchi potentsial xavfli so’rovlarga qanday munosabatda bo’ladi.

16) Mahsulot bilan integratsiya (iGaming-keyslar)

Balans/depozit/xulosa: "Qaysi balans? ", "200 UAH ga to’ldirilsin"..., "Xulosa maqomi".
Bonuslar/missiyalar: "Qanday bonuslar mavjud? ", "Haftalik keshbekni faollashtirish".

Mas’uliyatli o’yin: «Haftada 1000 UAH depozit limitini belgilang.»

Tizimlarning maqomi: «Hozir texnik ishlar bormi?»

17) Anti-patternlar

Yordamchining uzoq monologlarini o’ldirish mumkin emas.
Pul operatsiyalarining yashirin tasdiqlanishi.
Muqobil bo’lmagan «tushunmadim».
Sezishga xalaqit beradigan ortiqcha tovushlar/jingllar.
Tafsilotli vizual tanlov kerak bo’lgan masalalarni ovoz bilan hal qilishga urinish.

18) Promtlar va javoblar shablonlari

• Assistent: «Hisobni qancha summaga to’ldirish kerak?»
• Foydalanuvchi: «Besh yuz.»
• Assistent: "500 grivnaga toʻldiriladimi? Iltimos, tasdiqlang"

• "Kartaning 500 grivnaga to’ldirilganligini tasdiqlang... 4581. «Tasdiqlayman» yoki «bekor qilish»

• "To’lov usulini eshitmadim. Men taklif qilaman: Apple Pay, karta, kripto hamyon. Nimani tanlaysiz?"

• "Mavjud usullarni ekranga joʻnatdim. Davom etish uchun tanlang va "tayyor" deying"

19) SSML namunalari

xml
<speak>
Your current balance is
<say-as interpret-as="cardinal">1250</say-as>
<sub alias = "hryvnia"> UAH </sub>.
<break time="250ms"/>
Shall we continue?
</speak>

xml
<speak>
<emphasis level = "moderate "> Caution </emphasis>: Verification is required for output.
</speak>

xml
<speak>
Recharge with <say-as interpret-as = "characters"> IBAN </say-as>?
</speak>

20) Chek-varaqlar

Chiqarish oldidan dialog/kontent

• Har bir intent uchun - sinonimlar/iboralar varianti roʻyxati.
• Har bir majburiy slot uchun bitta aniq savol.
• Sezgir harakatlar - aniq tasdiqlash bilan.
• «ekranga «/« operator »uchun qisqa muqobil mavjud.
• Replikalar ≤ 2 ta taklif; uzun - "Davom etishni istaysizmi? ».

Texnika va sifat

• Barge-in va uzilgandan keyin dialogga qaytish.
• Latentlik p95 normal; kechiktirilganda earcons mavjud.
• SSML moslamalari: tanaffuslar, raqamlar, urgʻular.
• Loqlar shaxsiylashtirilmagan/niqoblangan; tarixni boshqarish mavjud.
• Koʻp tillilik va mahalliy formatlar tekshirildi.

A11y va xavfsizlik

• «Takrorlash/Sekinroq/Balandroq gapirish» deyishadi.
• To’liq shaxsiy/to’lov ma’lumotlari aytilmaydi.
• Ovoz bilan bekor qilish/qaytarish mavjud.
• Yosh va mintaqaviy cheklovlar tekshirildi.

21) Dialog spetsifikatsiyasi (shablon)

Ssenariyning maqsadi: (masalan, «Depozit ≤ 90 sek»)

Intentlar va sinonimlar: iboralar namunalari roʻyxati.
Слоты: `amount` (req, confirm), `currency` (default=UAH), `method` (enum).
Tasdiqlash qoidalari: qaysi qiymatlar/chegaralar uchun takrorlash talab etiladi.
Xato variantlari: ASR, NLU, xizmat yo’q - matnlar + filiallar.
Multimodal chiqish: qanday kartochkalar/ekranlarni ko’rsatamiz.
Logi va maxfiylik: nimani va qanday yashirish, TTL saqlash.

Yakuniy shpargalka

Avval intentlar/slotlar/tasdiqlash qoidalari, keyin matnlar.
Qisqacha gapiring, tanaffus qiling va bekor qiling.
SSML, lokal formatlar va ohangni kontekstga moslash.
Maxfiylikni va loglarni nazorat ostida saqlang.
Intent/Slot/ASR metrikalari, Task Success va yashirin.
Har doim ekranda muqobil va insonga yo’l bor.